科技創富
AI投入為何未反映在生產力？
從「生產力J曲線」看企業轉型的時間差
頭痛不能入睡，整理了一份博士課程中的習作，變成一篇隨筆。
近年人工智能投資急速增加，但宏觀經濟數據所呈現的生產力增長，似乎仍未與市場的熱情同步。
這種落差使投資者開始追問：企業投入大量資金購買算力、建立模型及聘請AI人才，究竟能否轉化為實際回報？還是AI只是一場資本開支先行、盈利遙遙無期的競賽？
要理解這個問題，首先必須分清楚「技術已經出現」與「技術已經轉化為生產力」並非同一回事。
1987年，諾貝爾經濟學獎得主Robert Solow曾以一句名言概括當時的電腦時代：「電腦年代無處不在，唯獨沒有出現在生產力統計之中。」
今天市場對AI的疑問，其實是同一個命題的重演：技術可以迅速普及，但企業的組織結構、工作流程、人才配置與商業模式，往往需要更長時間才能完成調整。
真正的瓶頸，不一定是技術
AI本身可能進步得很快，但企業並不是把模型接入現有系統，便能立即提高整體生產力。真正困難的地方，是重新設計工作流程、劃分人機責任、整理內部數據、建立風險管理制度，以及改變原有的績效考核與決策方式。這些投入大多屬於「無形資產」，包括員工培訓、流程重整、軟件整合、數據治理、新產品開發及商業模式試驗。
問題在於，這些建設工作需要消耗大量勞動與資本，卻未必會立即形成可被統計的產出。
企業在轉型初期增加了AI團隊、顧問費、算力支出及管理成本，但營業額、產量或服務能力可能暫時沒有明顯上升，甚至會因為試錯、重複建設及新舊系統並行而下降。以傳統的生產力公式來看，分母所代表的勞動與資本投入先行增加，分子所代表的可衡量產出卻未同步增長，結果就是帳面生產力停滯或下滑。
因此，初期數據欠佳不一定代表AI投資失敗，也可能反映企業正處於成本先發生、效益尚未釋放的建設階段。
從「先投入」到「後收成」的J曲線
Brynjolfsson、Rock與Syverson提出的「生產力J曲線」，正好為這種時間差提供了解釋。
三位學者指出，通用技術的價值通常要與流程、技能、組織及其他無形資產互相配合，才能充分釋放；由於這些配套投資在初期未必被完整計入產出，官方數據可能先低估實際生產力，其後又在收成階段高估當期增長。
圖表中的灰色虛線代表包括無形資本在內的「真實生產力」，藍線則代表統計所能觀察到的「衡量生產力」。在曲線左側的建設期，企業利用可被衡量的勞動與資本，創造暫時難以被產出統計捕捉的流程、知識與組織能力，因此藍線先向下走，並落後於灰色虛線。當這些無形資產逐步成熟，企業可以在不同比例增加人手與實體資本的情況下，擴大產品及服務產出，藍線便會快速回升，形成近似英文字母「J」的軌跡。
進入收成期後，過去累積的數據、流程、軟件及員工能力開始持續提供服務，但這些歷史投入不會再次完整出現在當期成本之中。此時，可衡量產出大幅增加，當期勞動與資本投入卻可能保持穩定，帳面生產力因而急速上升，甚至暫時高於包含無形資本成本後的真實增長。
引用這幅圖表時，較準確的表達不是「AI必然令生產力先跌後升」，而是：「生產力J曲線是一個機制示意圖，說明通用技術與配套無形資產之間存在建設期和收成期，因此短期統計可能低估、後期統計則可能高估技術帶來的真實生產力變化。」
圖表本身並不按比例繪製，也不能用來推算轉折點會在哪一年出現，或最終升幅會有多大。
GDP與生產力統計仍然重要，但不是完整答案
這套分析亦揭示傳統GDP與生產力統計的限制。當代經濟中有大量價值來自無形資產、免費數碼服務及開源軟件。例如搜尋器、電郵、Python、Linux，以及部分開放權重AI模型，可以為企業和用戶創造可觀效益，但由於使用者未必直接付費，其價值難以完整反映在市場交易及GDP之中。
同樣地，無晶圓廠半導體公司的價值，往往集中於晶片設計、知識產權、軟件生態及研發能力。這些企業的市場價值不能直接等同於其GDP貢獻，GDP本來衡量的也不是公司估值，而是特定期間內所產生的增加值。因此，與其說GDP「嚴重錯估」了這些企業，不如說GDP與資本市場估值衡量的是不同概念：前者着眼於當期生產活動，後者則包含投資者對未來盈利、技術優勢及無形資產的預期。
這並不表示GDP或生產力數據已經失去意義，而是說投資者不能把單一宏觀指標當成AI成敗的判決書。分析AI投資時，除了觀察產出和盈利，還應留意企業是否正在累積真正可複用的無形資產，例如流程是否已被重新設計、AI是否嵌入核心業務、員工是否具備新的工作能力、單位服務成本是否下降，以及新產品能否由試驗階段走向規模化收入。
投資者真正要判斷的是企業位於哪一段曲線
J曲線理論並不是為所有AI投資提供樂觀保證。企業可以一直投入，卻始終未能完成流程重整；亦可能只購買工具、增加算力和聘請人才，卻沒有改變權責制度、產品設計及收入模式。這類企業未必是在等待收成，而可能只是把低效率的舊流程變得更昂貴。
因此，投資者最值得提出的問題，不是「這家公司有沒有使用AI」，而是「它是否因AI而重新設計了企業」。如果核心流程沒有改變、員工角色沒有重新配置、數據仍然分散、新產品仍停留在示範階段，那麼企業很可能仍位於J曲線左側。相反，如果AI已經進入日常營運，收入開始增長、單位成本下降，而且這些改善不再依賴同比例增加人手和資本，才可能意味着企業正跨越轉折點，進入無形資產的收成階段。
AI的經濟影響很可能十分巨大，但「巨大」不代表「即時」，更不代表每一項投資都能成功。生產力J曲線最重要的啟示，是提醒市場不要把短期統計的沉默誤認為技術毫無價值，也不要把未來可能出現的生產力躍升預先當成確定盈利。真正拉開企業差距的，最後不是誰最早宣布採用AI，而是誰能把技術轉化為流程、制度、人才與可持續的商業模式。
資料來源：Brynjolfsson, Rock and Syverson（2021），〈The Productivity J-Curve: How Intangibles Complement General Purpose Technologies〉，《American Economic Journal: Macroeconomics》，第13卷第1期，頁333–372；
圖表為概念化示意，非按比例繪製。